典型文献
基于DBSCAN和CNN算法的重型车辆NOx排放预测模型
文献摘要：
重型车辆的排放后处理系统,包含复杂的尾气处理单元和配套传感器.为精简后处理系统,基于改进的密度聚类算法和神经网络模型,构建氮氧化物NOx的排放预测模型,此预测模型可部署于重型车辆后处理系统的控制器中以精简系统的传感器,实现NOx 的浓度预测功能,保证后处理系统的正常运转,并针对不同应用场景,通过评价指标:NOx排放浓度、Urea喷射量、NOx比排放值,来分析模型的预测精度.研究结果表明:精简后的NOx排放预测浓度与传感器测量浓度误差低于3％,精简后的后处理系统的尿素(Urea)喷射量的变化小于2.08％;NOx的比排放变化保持在0.75％以内,精简后的车辆原机比排放值为7.53 g/kWh(未精简为7.59 g/kWh);嵌入算法模型的后处理系统的预测满足精度要求.
文献关键词：
车辆工程;重型车辆;氮氧化物排放模型;密度聚类;神经网络;后处理系统
中图分类号：
作者姓名：
余舒;杨志刚
作者机构：
宁波吉利汽车研究开发有限公司,浙江宁波315000;陕西汽车控股集团有限公司,陕西西安710200
文献出处：
引用格式：
[1]余舒;杨志刚-.基于DBSCAN和CNN算法的重型车辆NOx排放预测模型)[J].重庆交通大学学报（自然科学版）,2022(08):134-141
A类：
氮氧化物排放模型
B类：
DBSCAN,重型车辆,NOx,排放预测,排放后处理,后处理系统,尾气处理,处理单元,精简,密度聚类算法,浓度预测,预测功能,排放浓度,Urea,喷射,比排放,传感器测量,排放变化,原机,kWh,算法模型,精度要求,车辆工程
AB值：
0.246542
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
